Телеграм канал «ForgetMe | Нейросети»

🔥 БЕСПЛАТНО ПОДКЛЮЧАЕМ API DEEPSEEK V4 К HERMES AGENT

Сделал FreeDeepseekAPI — локальный прокси, который позволяет использовать DeepSeek Web Chat почти как обычный OpenAI API.

То есть можно подключить DeepSeek к:

— Hermes/OpenClaw;
— своим Python/JS-скриптам;
— OpenAI SDK;
— локальным агентам;
— любым тулзам, где есть OpenAI-compatible endpoint.

В видео показываю установку, авторизацию, запуск сервера и реальные запросы через локальный API.

✴️ Видео — https://youtu.be/m9Lj3UCCRcI

📌 Ссылки из видео:
1. GitHub — https://github.com/ForgetMeAI/FreeDeepseekAPI

🤑 ForgetMe | Boosty

Приобрести подписку на любые сервисы
⏩ @forgetshop_bot

#нейросети #гайд

⚡️ Нашёл приватную альтернативу NotebookLM, которую можно запустить локально

Называется Open Notebook — open-source проект, который пытается повторить идею NotebookLM, но без привязки к Google.

Можно загружать свои источники, задавать вопросы по документам, делать заметки, искать по базе и даже генерировать подкасты по материалам.

Что умеет:

🟡 работает с PDF, Word, PowerPoint, Excel, EPUB, Markdown, HTML;
🟡 понимает аудио, видео, YouTube-ссылки, веб-страницы и RSS;
🟡 даёт чат по вашим источникам и заметкам;
🟡 есть full-text + vector search;
🟡 можно делать подкасты не только в формате «2 ведущих», а настраивать 1–4 спикеров;
🟡 поддерживает 18+ AI-провайдеров: OpenAI, Anthropic, Google, Groq, OpenRouter, Ollama, LM Studio и другие;
🟡 ставится через Docker, есть MIT-лицензия и около 26k звёзд на GitHub.

Но важный нюанс: приватность зависит от модели.
Если подключить OpenAI/Claude/Gemini — ваши данные всё равно уходят к облачному провайдеру.
Если хотите прям локально и приватно — надо использовать Ollama или LM Studio с локальной моделью.

Минусы тоже есть: нужно ставить Docker, разбираться с моделями/API-ключами, и цитаты у Open Notebook пока заявлены как более базовые, чем у NotebookLM.

Ссылка: https://github.com/lfnovo/open-notebook
Сайт: https://www.open-notebook.ai/

🤑 ForgetMe | Boosty

Приобрести подписку на любые сервисы
⏩ @forgetshop_bot

#нейросети #полезности

✴️ Google выкатила Gemma 4 QAT — локальные модели стали заметно легче

Если коротко: это новые официальные версии Gemma 4, которые заранее обучали с учётом 4-битного сжатия.

Обычно модель сначала обучают, а потом «ужимают» — и на этом часто теряется качество.
QAT работает умнее: модель во время обучения уже адаптируется к будущему сжатию, поэтому в 4-битном виде она должна меньше деградировать.

Что важно:

🟡 появились QAT-чекпоинты для Gemma 4 E2B, E4B, 12B, 26B A4B и 31B;
🟡 есть GGUF для llama.cpp / LM Studio / Ollama;
🟡 есть compressed tensors для vLLM / SGLang;
🟡 для мобильных E2B и E4B Google сделала отдельный mobile-формат;
🟡 Gemma 4 E2B в text-only mobile-варианте требует меньше 1 ГБ памяти;
🟡 Gemma 4 12B в Q4_0 по официальной таблице — около 6.7 ГБ только на загрузку весов.

Но нюанс: это не значит «теперь любая большая Gemma летает на любом ноутбуке».
Контекст, KV-cache, софт и конкретный рантайм всё равно съедают память. Особенно если хотите длинные диалоги или агентные сценарии.

Ссылки:
Google Blog — https://blog.google/innovation-and-ai/technology/developers-tools/quantization-aware-training-gemma-4/
Документация Gemma 4 — https://ai.google.dev/gemma/docs/core
Hugging Face QAT — https://huggingface.co/collections/google/gemma-4-qat-q4-0
Mobile QAT — https://huggingface.co/collections/google/gemma-4-qat-mobile

🤑 ForgetMe | Boosty

Приобрести подписку на любые сервисы
⏩ @forgetshop_bot

#нейросети #новости #gemini

🔥 БЕСПЛАТНО ПОДКЛЮЧАЕМ QWEN 3.7 MAX К HERMES AGENT

В видео:
— запускаем FreeQwenApi локально;
— подключаем аккаунт Qwen Chat;
— подключаем это к Hermes Agent;

✴️ Видео - https://youtu.be/b7WudeCJKHs

📌 Ссылки из видео:
1. Fork FreeQwenAPI

🤑 ForgetMe | Boosty

Приобрести подписку на любые сервисы
⏩ @forgetshop_bot

#нейросети #гайд

📛 Bonsai Image 4B — генерация картинок локально, даже на телефоне

PrismML выкатили Bonsai Image 4B — компактные open-weight модели для генерации изображений, которые пытаются утащить text-to-image из облака на обычные устройства: Mac, NVIDIA GPU и даже iPhone.

Что важно:

🟡 есть 1-bit версия: трансформер всего 0.93 GB, это примерно 8.3× меньше, чем FP16 FLUX.2 Klein 4B;
🟡 есть Ternary версия: 1.21 GB, чуть больше, но лучше по качеству и следованию промпту;
🟡 лицензия Apache-2.0, веса лежат на Hugging Face;
🟡 есть демо-репозиторий, WebGPU demo и Bonsai Studio для iPhone;
🟡 по их бенчмаркам Ternary Bonsai даёт около 95% качества FLUX.2 Klein 4B при сильно меньшем размере.

Ссылки:
Hugging Face: https://huggingface.co/collections/prism-ml/bonsai-image
Анонс: https://prismml.com/news/bonsai-image-4b
GitHub demo: https://github.com/PrismML-Eng/Bonsai-Image-Demo
WebGPU demo: https://huggingface.co/spaces/webml-community/bonsai-image-webgpu

🤑 ForgetMe | Boosty

Приобрести подписку на любые сервисы
⏩ @forgetshop_bot

#нейросети #новости

⚡️ Совет на 2026 год – изучите вайбкодинг

Привет. Меня зовут Кирилл. Я создаю топовые подборки с уроками по AI и вайбкодингу:

— 37 MCP серверов: дизайн, разработка, Тесты/QA, деплой

— 78 скиллов: парсинг, UI/UX, аналитика, безопасность

— 60+ субагентов: рефакторинг, SEO, CI/CD, документация

— 44 промпта для дебага: поиск ошибок, оптимизация кода

— 130 гайдов по: Claude Code, Antigravity, Cursor, Lovable, ChatGPT

Всего 10 минут в день на канале и ты научишься вайбкодить автоматизации любой сложности.

Материалы в закрепе, постоянно пополняются👆🏻

#реклама

⚡️ Ideogram 4.0 вышел с открытыми весами — и это один из самых интересных релизов для генерации картинок

Ideogram выпустили Ideogram 4.0 — свою первую open-weight text-to-image модель.

Главный акцент не просто на “красивых картинках”, а на том, где многие генераторы до сих пор ломаются: текст внутри изображения, постеры, логотипы, рекламные макеты, вывески, композиция и точный контроль дизайна.

Что важно:

🟡 модель на 9.3B параметров;
🟡 генерирует изображения до native 2K;
🟡 умеет лучше работать с типографикой и текстом внутри картинки;
🟡 поддерживает structured JSON prompting — можно точнее описывать стиль, композицию, свет, цвета и объекты;
🟡 есть explicit bounding-box layout control — можно задавать, где именно должны быть элементы;
🟡 веса доступны на Hugging Face, код — на GitHub;
🟡 модель уже работает на сайте Ideogram и через API.

По локальному запуску:

🟡 есть две версии: nf4 и fp8;
🟡 nf4 — CUDA-only, то есть в первую очередь для NVIDIA GPU;
🟡 сами веса nf4 занимают примерно 15 GB, поэтому для нормального локального запуска я бы ориентировался минимум на 24 GB VRAM;
🟡 16 GB VRAM может быть слишком впритык, особенно на высоких разрешениях;
🟡 версия fp8 весит примерно 25–26 GB, так что там уже логичнее смотреть в сторону 32 GB+ VRAM / RAM;
🟡 на Mac / CPU теоретически можно через fp8, но это уже скорее “запустить ради эксперимента”, а не комфортно генерировать.

По бенчмаркам Ideogram заявляет, что 4.0 — лучший open-weight image model на дизайне. В Design Arena он уступает только закрытым моделям от гигантов вроде GPT/Gemini, но среди открытых моделей идёт первым.

Важный нюанс: это не совсем “свободная open-source модель без условий”. Веса открыты, но лицензия у моделей — Ideogram 4 Non-Commercial, плюс доступ на Hugging Face gated. То есть для экспериментов, ресерча и локальных тестов — круто, но для коммерческого использования нужно внимательно смотреть условия.

GitHub: https://github.com/ideogram-oss/ideogram4
Модели: https://huggingface.co/collections/ideogram-ai/ideogram-4
Анонс: https://ideogram.ai/news/ideogram-4.0/

🤑 ForgetMe | Boosty

Приобрести подписку на любые сервисы
⏩ @forgetshop_bot

#нейросети #новости #ideogram